DÁLKOVÝ PRŮZKUM ZEMĚ
|
|
- Olga Macháčková
- před 4 lety
- Počet zobrazení:
Transkript
1 Vysoká škola báňská Technická univerzita Ostrava Hornicko-geologická fakulta DÁLKOVÝ PRŮZKUM ZEMĚ (Neřízená klasifikace) Tomáš Peňáz Ostrava, 2014
2 Vysoká škola báňská Technická univerzita Ostrava Hornicko-geologická fakulta DÁLKOVÝ PRŮZKUM ZEMĚ (Neřízená klasifikace) Tomáš Peňáz Ostrava, 2014
3 Obsah 1 Úvod Cíle cvičení Data a programové vybavení Časová náročnost Geografické vymezení území Postup zpracování Shluková analýza Interpretace shluků Úkoly pro samostatnou práci... 11
4 1 Úvod Ve cvičení nazvaném Interpretační znaky, interpretace obrazových dat, jsme prováděli vyhodnocení obrazových dat na základě vizuálního vjemu. Vjem, získaný pozorováním obrazu, doplňujeme svými znalostmi a zkušenostmi. Před zahájením interpretace máme možnost obrazová data zvýraznit a tím usnadnit vnímání části obsahu, který by zůstal za normálních okolností skrytý. Digitální obrazová data, získaná metodou DPZ, však mohou nést informace, které pro člověka nejsou bezprostředně viditelné. Takovou možnost poskytují především digitální obrazová data, získaná skenováním v intervalech vlnových délek, na něž není lidské oko citlivé. Potenciál využitelných informací skrývají obrazová data, tvořená N obrazovými pásmy, tedy tzv. víceobraz. V takových datech bývají informace zakódovány v několika pásmech současně. Jedná se především o multispektrální nebo hyperspektrální data, jejichž automatizované vyhodnocení je zajišťováno různými metodami klasifikace. Hyperspektrální data sestávají z obrazových pásem, odpovídajících N intervalům vlnových délek, které jsou relativně úzké a kontinuálně pokrývají určitý interval, označovaný jako atmosférické okno. Získání a vyhodnocení požadovaných informací z hyperspektrálních dat se provádí některou ze skupiny specializovaných metod. Pojmem multispektrální obrazová data, je nejčastěji označován víceobraz, jehož pásma odpovídají diskrétním intervalům vlnových délek a pro který platí: N 3; 10 Horní hranice počtu pásem pro multispektrální obrazová data není přesně stanovena, takže někteří odborníci se kloní k názoru, že se jedná o víceobraz, pro jehož pásma v počtu N platí: N 3; 15 Toto cvičení se zabývá klasifikací multispektrálních obrazových dat. V jednom z předchozích cvičení jsme se vykreslili křivky, vyjadřující spektrální odezvu pro tři typy pokryvu zemského povrchu: zastavěné oblasti, zalesněné oblasti a povrchové vody. Viděli jste, že projevy každého z těchto typů pokryvu jsou jedinečné. Typ povrchu může tedy být identifikován na základě své spektrální odezvy. Tento fakt stojí v pozadí klasifikace digitálních obrazových záznamů (image classification). Mnoho typů map (mapy krajinného pokryvu, mapy půd, bathymetrické mapy, apod.) bylo vytvořeno na základě digitálních obrazových záznamů, získaných metodou dálkového průzkumu Země. Automatizovanou klasifikaci digitálních obrazových záznamů lze provádět dvěma základními metodami jako klasifikaci řízenou (supervised classification) a klasifikaci neřízenou (unsupervised classification).
5 2 Cíle cvičení Absolvováním cvičení budou dosaženy následující cíle: seznámíte se s praktickou stránkou neřízené klasifikace digitálních obrazových dat, získaných metodou DZP, naučíte se základní kroky, nutné k provedení procesu automatizované klasifikace, získáte základní zkušenosti při volbě parametrů, ovlivňujících nalezení spektrálních tříd v obrazových datech, vyzkoušíte si transformaci spektrálních tříd na informační třídy, které jsou výsledkem klasifikačního procesu. 3 Data a programové vybavení Neřízenou klasifikaci si vyzkoušíte v prostředí programu IDRISI Selva, který je vynikajícím nástrojem pro výuku zpracování obrazových dat v dálkovém průzkumu Země. Pro klasifikaci využijeme digitální obrazový záznam L _ , získaný systémem Landsat 7, jehož skener ETM+ vytváří obrazová data v 9 pásmech. Tato obrazová data z , pokrývají území o rozměrech 191x185 km. Předzpracování dat zahrnuje pouze systémové korekce. Data jsou doplněna o georeferenční údaje, které umožňují tzv. předběžnou geometrickou transformaci prováděnou při zobrazování ve vhodném programovém prostředí. Před neřízenou klasifikací se nedoporučuje provádět další geometrické transformace. Neřízenou klasifikací budeme zpracovávat data pokrývající oblast o rozměrech 11,6 x 9 km, s rozlohou přesahující 100 km 2. Cvičná data pro toto cvičení jsou připravena jako výřez z původní scény Pro klasifikaci budeme nadále používat pouze pásma 1,2,3,4,5 a 7, která jsou vybrána ve výřezu. 4 Časová náročnost Cvičení by mělo být zpracováno v průběhu 90 minut. Aktivity cvičení jsou připraveny tak, abyste je mohli provádět samostatně a to jak pod dohledem pedagoga, tak v jeho nepřítomnosti. Části, které nestihnete provést ve vymezeném časovém limitu v počítačové laboratoři, můžete dokončit samostatně. Předpokládá se, že zpracování samostatné části cvičení bude vyžadovat 90 minut. 5 Geografické vymezení území Oblast, kterou se pokusíme klasifikovat na základě dat ze systému Landsat 7, se nachází v Moravskoslezském kraji. Ve výřezu se nacházejí obce Dolní Benešov, Háj ve Slezsku, Bolatice, Jilešovice, Kozmice a další. V území je zastoupena především zemědělská krajina a
6 lesní plochy (obrázek 1). Významnou součást krajiny tvoří trvale zastavěné území sídel, letiště a průmyslových objektů a dále též povrchové vodní objekty (rybníky, zatopené štěrkovny a vodní toky). Obrázek 1 Ukázka zájmového území na syntéze v pravých barvách 6 Postup zpracování Postup, který si vyzkoušíme, představuje pouze zjednodušený proces zpracování dat, využívající jeden z možných způsobů neřízené klasifikace. V tomto cvičení se máte naučit základní principy a zjednodušený postup vám umožní tyto základní principy lépe pochopit. Reálně prováděný proces klasifikace je totiž výrazně složitější a pro vás jako pro začátečníky je příliš komplikovaný a zdlouhavý. Klíčovou součástí neřízené klasifikace je terénní rekognoskace, která má zajistit co nejdokonalejší znalost území. Tyto znalosti jsou potřebné při transformaci tzv. spektrálních tříd na informační třídy. Terénní šetření by mělo být provedeno velmi důkladně především před prováděním klasifikace. Jestliže se však v průběhu klasifikace vyskytne okamžitá
7 potřeba upřesnění znalostí o území, je vhodné provést došetření in situ (tedy na místě samém) opakovaně, je-li to možné. 6.1 Shluková analýza V tomto cvičení budou z digitálních obrazových dat extrahovány dominantní vzory spektrální odezvy a identifikovány požadované informační třídy. V IDRISI je tato klasifikace prováděna pomocí modulů CLUSTER a ISOCLUST. Toto cvičení se soustřeďuje na modul CLUSTER Modul CLUSTER používá techniku výběru vrcholu histogramu (histogram peak). Je to způsob podobný hledání maxima v jednorozměrném histogramu, kde maximum je definováno jako hodnota s větší frekvencí výskytu než sousední hodnoty. Jakmile jsou maxima nalezena, všechny možné hodnoty jsou přiřazeny nejbližšímu maximu. Hranice tříd tedy obvykle odpovídají střednímu bodu mezi dvěma lokálními maximy. Protože tato metoda má specifická kritéria pro to, co všechno může být označeno za lokální maximum, není potřebné provádět předběžné odhady počtu shluků (clusters) v obrazových datech. Výpočty lokálních maxim a tedy i vymezení shluků proběhne automaticky. CLUSTER tedy vyhodnocuje multidimenzionální histogram všech vstupujících pásem. Budeme používat 6 pásem (ETM+1, ETM+2, ETM+3, ETM+4, ETM+5 a ETM+7), s nimiž jsme se setkali i při řízené klasifikaci. Zadávání dat je usnadněno, jestliže jsou tato pásma zařazena ve vícepásmovém obrazovém souboru tzv. zásobník (raster group file), který má název vyrez_idrisi.rgf. Termální pásmo ETM+6 není zařazeno v zásobníku spolu s ostatními pásmy, protože fyzikální podstava vzniku zaznamenaného signálu je odlišná. Ujistěte se, že zobrazovací vlastnosti máte nastaveny správně. File/User Preferences a ujistěte se, že v záložce System Settings je povoleno automatické generování titulku a legendy při tvorbě obrázků zobrazujících obrazová data. Spusťme CLUSTER z nabídce Image Processing/Hard Classifiers. Vyberme vícepásmový obrazový soubor vyrez_idrisi.rgf. Jako vstupní data se označí všech 6 pásem. Dále zadejme název výstupního rastrového obrazu BROAD. Dále je třeba vybrat Broad jako stupeň generalizace (Generalization level) vstupního obrazu, zvolit pravidlo pro shlukování (Clustering rule), které zajistí vypuštění nejméně důležitých clusterů (Drop least significant clusters) s méněn než 10% pixelů a ponechat 6 výstupních úrovní šedi (Grey levels). Výsledek shlukové analýzy obrazový soubor BROAD se zobrazí v paletě Qualitative color. Vizuální analýzu výsledného obrazu usnadníme, jestliže použijeme nástroj, který způsobí zablikání třídy, na kterou klikneme v legendě levým tlačítkem myši. To způsobí, že vybraná spektrální třída bude dočasně zobrazena červeně, zatímco ostatní kategorie zůstanou černé. Jakmile dojde k uvolnění tlačítka myši, zobrazení se vrátí k normálu.
8 Obrázek 2 Okno CLUSTER - unsupervised classification pro zadání parametrů shlukové analýzy Obrázek 3 Výsledek zpracování modulem CLUSTER
9 Výsledný rastrový obraz (obrázek 3) obsahuje data roztříděná do 6 kategorií. V tomto okamžiku se ještě nejedná se o výsledné informační třídy, nýbrž o shluky pixelů s podobnými spektrálními vlastnostmi, tzv. spektrální třídy. Ty lze za příznivých okolností transformovat na třídy informační. Tento mezivýsledek obsahuje spektrální třídy, které jsou široké (broad). Zobrazme nyní rovněž tři vybraná obrazová pásma (ETM+2, ETM+3, ETM+4) jako syntézu v nepravých barvách. Nejprve si vytvoříme kompozitní obraz, který vznikne následující kombinací barevných kanálů RGB a zvolených pásem multispektrálního obrazu: vyrez_idrisi2.rst (Blue) vyrez_idrisi3.rst (Green) vyrez_idrisi4.rst (Red) Volbou v nabídce Display/COMPOSITE otevřeme okno pro zadání požadovaných parametrů syntézy (obrázek 3). Obrázek 4 Okno COMPOSITE pro zadání parametrů barevné syntézy Kompozitní obraz nyní přidejte do okna, v němž je zobrazen výsledek shlukové analýzy Broad.rst. Tento rastr umístěte nad composite_2_3_4.rst s barevnou syntézou. Nyní střídavě vypínejte a zapínejte zobrazení rastru Broad.rst a sledujte, jakému krajinnému pokryvu odpovídají jednotlivé spektrální třídy.
10 Kontrolní otázka 1) Kolik spektrálních tříd bylo vytvořeno? S ohledem na výsledky předchozí řízené klasifikace zkuste odhadnout, který typ pokryvu odpovídá jednotlivým spektrálním třídám. Každý ze stupňů generalizace (broad i fine) používá jiná rozhodovací kritéria pro vyhodnocení frekvenčních histogramů při vyhledávání maxim (obrázek 5). Při vysoce generalizované (broad) tvorbě shluků musí vrchol obsahovat vyšší četnost než všichni nediagonální sousedi. Nízký stupeň generalizace (fine) umožňuje, aby jeden nediagonální soused měl vyšší frekvenci. To se přizpůsobí i lokálním maximům, která by byla jinak vynechána, neboť je zakrývají vyššími sousední maxima. Tento koncept v jednorozměrném prostoru je naznačen na obrázku 4. Velké shluky jsou odděleny pouze v oblastech lokálních minim. Jemné shluky jsou odděleny jak v oblastech lokálních minim, tak i v oblastech inflexních bodů (shoulders). Obrázek 5 Princip shlukové analýzy při použití modulu CLUSTER Použijeme opět modul CLUSTER a zadáme vícepásmový obrazový soubor (Insert layer group) vyrez_idrisi.rgf jako vstupní data pro zpracování. Tentokrát však zvolíme nízký stupeň generalizace (fine generalization level), pojmenujeme výstupní rastrový obraz FINE. Dále vybereme vypuštění nejméně důležitých shluků, menších než 10 % a potvrdíme OK. Zvolený stupeň generalizace způsobil vytvoření většího množství shluků. Prohlédněte si nyní celou legendu (můžete zvětšit její velikost). Kontrolní otázka 2) Kolik spektrálních tříd bylo vytvořeno? Které třídy jsou nejsnáze identifikovatelné? Co myslíte, že to způsobuje?
11 Histogramy obrázků umožňují pozorovat rozdíl v třídním rozložení pixelů v závislosti na stupni generalizace. Spusťte modul HISTO (v menu Display/HISTO a vytvořte histogramy pro oba soubory BROAD a FINE. Shluk 1 má vždy největší frekvenci výskytu pixelů. Odpovídá tomu typu povrchu, který je na obrázcích nejvíce zastoupen. Cluster 2 má nižší počet pixelů a tak dále. Všimněte si, že řada spektrálních tříd s vyšším číslem má relativně málo pixelů. Jedním často využívaným přístupů k odhadu počtu významných typů pokryvu ve studované oblasti, je vizuální zhodnocení histogramu jemného členění spektrálních tříd a nalezení přirozené zlomy (natural breaks). Jakmile jsou určeny, použijte znovu modul CLUSTER, ale tentokrát zadejte odpovídající počet tříd. Všechny zbývající pixely jsou přiřazeny do tříd, kterým jsou nejbližší. Všimněte si, že není správný přístup, zaměřit se na typy krajinného pokryvu, které jsou zastoupeny na relativně malé ploše. Podívejme se na histogram FINE. Vidíme, že studované oblasti dominují dvě spektrální třídy (shluky). V histogramu můžeme určit několik malých přirozených zlomů jako hranice tříd. Na základě těchto zlomů můžeme vybrat 6, 10 nebo 15 tříd. Jestliže nám chybí znalosti území získané v terénu, měli bychom se pro snadnou interpretaci držet prvních 6 shluků jako významných typů krajinného pokryvu. Nyní spustíme znovu modul CLUSTER, se zvolenými šesti pásmy. Tentokrát zadejte název výstupního souboru FINE10, vyberte jemný stupeň generalizace a nastavte maximální počet tříd (shluků) na 10. Pro zbývající parametry ponechejte implicitní nastavení (obrázek 6). Obrázek 6 Okno CLUSTER - unsupervised classification pro zadání parametrů shlukové analýzy
12 6.2 Interpretace shluků Nyní před námi stojí problém, jak interpretovat tyto shluky. Pokud jste s oblastí seznámeni, není problém klasifikovat velké shluky (broad clusters). Klasifikaci jemných shluků je nutno věnovat maximální pozornost. Pro jejich identifikaci je nezbytné použít dostupné mapy, letecké snímky i vlastní terénní šetření. Navíc většinou dojdeme k závěru, že při tvorbě finální mapy je nutno některé třídy navzájem sloučit. Může dojít k situaci, kdy jeden shluk (jedna třídu) představuje les na osvětlených svazích a jiný shluk (jiná třída) představuje tentýž les na zastíněných svazích. Při slučování tříd můžeme použít modul ASSIGN. Zkusme interpretovat 10 tříd obrazu FINE10. Abychom toho dosáhli, porovnejme FINE10 s výstupy z řízené klasifikace MINDISTNORMAL a MAXLIKE. Užitečné může být i srovnání s originálními pásmy nebo s barevnou kompozicí (vytvořte 24- bitovou kompozici k dosažení lepšího vizuálního efektu). Až určíte, které kategorii by měla být přiřazena každá spektrální třída, použijte nástroj EDIT. Jedná se o textový editor a najdete jej v nabídce GIS Analysis/Database Query/ Edit. Pomocí editoru zapíšeme relace číslo spektrální třídy typ krajinného pokryvu a vytvořený seznam relací uložíme do atributového souboru s názvem LANDCOVER. Číslo spektrální třídy zapíšeme do prvního sloupce, označení typu krajinného pokryvu do druhého sloupce. Čísla spektrálních tříd zapíšeme jako čísla přirozená (integer) například takto: 1 Pole1 2 Pole2 3 Pole3 4 Les1 5 Louka 6 Pole4 Kontrolní otázka 3) Jaký typ pokryvu jste přidělili svým třídám? Pro vytvoření nového digitálního obrazu krajinného pokryvu použijte modul ASSIGN. Definiční soubor geoprvků je FINE10, soubor s hodnotami je LANDCOVER, pojmenování výstupního souboru LANDCOVER. Zobrazte jej pomocí kvalitativní palety (Qualitative palette). Do legendy k LANDCOVER přidejte důležité popisy pomocí nástroje Metadata utility, který najdete v IDRISI Explorer a uložte. Potom znovu zobrazte LANDCOVER, v důsledku čehož se v legendě na displeji objeví nové informace.
13 Neřízená klasifikace je velmi rychlým způsobem jak získat znalosti o studované oblasti. Klasifikace je nejčastěji iterativní proces, při němž jsou v každém koku získávány nové informace, které můžete analytik využít pro zlepšení klasifikace. Často se používají řízená a neřízená klasifikace společně jako tzv. hybridní přístup. Např. shluk číslo 3 v obrazovém souboru FINE7 se obtížně interpretuje, i když je to třetí nejdůležitější spektrální třída v oblasti. To nás upozorňuje na kategorie krajinného pokryvu (např. mokřiny), které byly při tvorbě příznaků pro řízenou klasifikaci ponechány stranou. Pak se můžeme vrátit zpět a vytvořit tréninkové plochy a příznaky pro tuto třídu a digitální obrazový záznam znovu klasifikovat s využitím řízené klasifikace. Shluky z neřízené klasifikace mohou být také následně použity při řízené klasifikaci jako tréninkové plochy pro stanovení příznaků. Důležitou věcí, která stojí za povšimnutí je, že klasifikace bývá sotvakdy jednokrokový proces. Žádnou klasifikaci nelze dokončit bez ohodnocení její přesnosti. To je však náplní jiného cvičení. V tomto cvičení jsme se soustředili na tzv. tvrdé klasifikátory. Měkké klasifikátory, které odloží přiřazení třídy každému pixelu, jsou popsány v sadě řešených cvičení Advanced Image Processing, v knize IDRISI Tutorial. 7 Úkoly pro samostatnou práci Metodou neřízené klasifikace proveďte obdobné zpracování jako v řešené části cvičení. Vytvoření shluků však proveďte pomocí modulu ISOCLUST a ISODATA. Výsledky klasifikace porovnejte a s výsledky klasifikace, které jste získali v řešené části tohoto cvičení. Formulujte závěry pro tuto samostatnou část cvičení.
14 Autor Ing. Tomáš Peňáz, Ph.D. Název Dálkový průzkum Země Vydavatel VŠB-TU Ostrava Rozsah 13 stran Rok 2014 Copyright Tomáš Peňáz, 2014 Zdroj financování Financováno z projektu CZ.1.07/2.2.00/ Inovace bakalářských a magisterských studijních oborů na Hornicko-geologické fakultě VŠB-TUO, spolufinancovaného Evropským sociálním fondem a státním rozpočtem České republiky
DÁLKOVÝ PRŮZKUM ZEMĚ
Teichmann Vysoká škola báňská Technická univerzita Ostrava Hornicko-geologická fakulta DÁLKOVÝ PRŮZKUM ZEMĚ (Řízená klasifikace) Tomáš Peňáz Ostrava, 2014 Vysoká škola báňská Technická univerzita Ostrava
VíceDálkový průzkum Země. Klasifikace obrazu
Dálkový průzkum Země Klasifikace obrazu Neřízená klasifikace v IDRISI Modul CLUSTER (Image Processing / Hard Classifiers) využívá techniku histogramových vrcholů pásma pro klasifikaci výsledný obraz volba
VíceCvičení 5-1 Bayesův teorém a klasifikace maximální věrohodnosti (Bayes Theorem and Maximum Likelihood Classification)
Cvičení 5-1 Bayesův teorém a klasifikace maximální věrohodnosti (Bayes Theorem and Maximum Likelihood Classification) Následujících šest cvičení rozšiřuje diskusi o klasifikačních postupech, které byly
VíceImport digitálního obrazového záznamu získaného technologií dálkového průzkumu Země
Import digitálního obrazového záznamu získaného technologií dálkového průzkumu Země V této lekci se dozvíme, odkud je možné získat digitální obrazový záznamu (angl. image), získaný skenerem systému Landsat
VíceCvičení 4 komplexní zpracování dat. Analýza povodí řeky Kongo
Cvičení 4 komplexní zpracování dat Analýza povodí řeky Kongo Tato případová studie (včetně cvičných dat) je převzata a přepracována z evropského vzdělávacího projektu Eduspace [0]. Pro zpracování této
VíceŘízená klasifikace. (Supervised classification)
Řízená klasifikace (Supervised classification) V předcházejícím cvičení jsme vykreslili křivky spektrální odezvy pro tři typy pokryvu zemského povrchu: zastavěné oblasti, zalesněné oblasti a povrchové
VíceČ ást 2 Kompozice v nepravých barvách Datové formáty Neřízená klasifikace. Program přednášky
DPZ Č ást Kompozice v nepravých barvách Datové formáty Neřízená klasifikace Program přednášky Popis využití pásem Landsat TM Vhodnost kombinací pásem TM Datové formáty Klasifikace obrazu Neřízená klasifikace
VíceCvičení 4-1. Zkoumání obrazu (Image Exploration)
Cvičení 4-1 Zkoumání obrazu (Image Exploration) V tomto cvičení začneme extenzívním zkoumání rastrového obrazu, získaného distančním snímáním, a technik zpracování obrazu. Protože rastrový obraz, získaný
VíceGEOGRAFICKÉ INFORMAČNÍ SYSTÉMY CVIČENÍ 4
UNIVERZITA TOMÁŠE BATI VE ZLÍNĚ FAKULTA APLIKOVANÉ INFORMATIKY GEOGRAFICKÉ INFORMAČNÍ SYSTÉMY CVIČENÍ 4 Praktické zvládnutí software Geomedia Pavel Vařacha a kol. Zlín 2013 Tento studijní materiál vznikl
VíceZáklady zvýraznění digitálního obrazového záznamu
Základy zvýraznění digitálního obrazového záznamu V této lekci si procvičíme základní techniky zvýraznění digitálního obrazového záznamu (angl. image), který je výsledkem skenování povrchu Země z vesmíru.
VíceTento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. PORTÁL KUDY KAM. Manuál pro administrátory. Verze 1.
Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. PORTÁL KUDY KAM Manuál pro administrátory Verze 1.0 2012 AutoCont CZ a.s. Veškerá práva vyhrazena. Tento
VíceELEKTROMAGNETICKÉ SPEKTRUM PRO POTŘEBY DPZ
ELEKTROMAGNETICKÉ SPEKTRUM PRO POTŘEBY DPZ Ultrafialové záření UV 0,1-0,4 μm Viditelné záření VIS 0,4-0,7 μm Infračervené blízké záření NIR 0,7-1,4 μm Infračervené střední záření MIR 1,4-3 μm Tepelné záření
VíceGEOGRAFICKÉ INFORMAČNÍ SYSTÉMY CVIČENÍ 9
UNIVERZITA TOMÁŠE BATI VE ZLÍNĚ FAKULTA APLIKOVANÉ INFORMATIKY GEOGRAFICKÉ INFORMAČNÍ SYSTÉMY CVIČENÍ 9 Praktické zvládnutí software Geomedia Pavel Vařacha a kol. Zlín 2013 Tento studijní materiál vznikl
VíceMožnosti podpory plošné inventarizace kontaminovaných míst interpretací multi- a hyperspektrálního snímkování Jana Petruchová Lenka Jirásková
Možnosti podpory plošné inventarizace kontaminovaných míst interpretací multi- a hyperspektrálního snímkování Jana Petruchová Lenka Jirásková Praha 13.6.2012 Multispektrální data cíl ověření vhodnosti
Více13 Barvy a úpravy rastrového
13 Barvy a úpravy rastrového Studijní cíl Tento blok je věnován základním metodám pro úpravu rastrového obrazu, jako je např. otočení, horizontální a vertikální překlopení. Dále budo vysvětleny různé metody
VíceZáklady interpretace digitálního obrazového záznamu ze systému LANDSAT
Základy interpretace digitálního obrazového záznamu ze systému LANDSAT Obrazová data, získaná digitální technologií v procesu dálkového průzkumu Země, nesou (již ze své podstaty) řadu atributů, které lze
VíceAplikační úlohy ve výuce GIS
Aplikační úlohy ve výuce GIS pro software Idrisi Kilimanjaro Ing. Martin KLIMK LIMÁNEK Mendelova zemědělsk lská a lesnická univerzita v Brně Lesnická a dřevad evařská fakulta Ústav 411 Geoinformačních
VíceOmezení barevného prostoru
Úpravy obrazu Omezení barevného prostoru Omezení počtu barev v obraze při zachování obrazového vjemu z obrazu Vytváření barevné palety v některých souborových formátech Různé filtry v grafických programech
VíceDPZ Dálkový Průzkum Země. Luděk Augusta Aug007, Vojtěch Lysoněk Lys034
DPZ Dálkový Průzkum Země 1 Obsah Úvod Historie DPZ Techniky DPZ Ukázky 2 DPZ znamená Dálkový průzkum Země nám dává informace o vlastnostech objektů na zemském povrchu s využitím informací získaných v globálním
VíceGIS I cvičení Zimní semestr 2004/2005
Cvičení 1 Úvod do ArcGIS základní seznámení se software Toto úvodní cvičení by mělo být ukázkou práce s GIS. Seznámíte se s prostředím programu ArcGIS a naučíte se základní orientaci v programu. V některých
VíceČ ást 1 Základníprincipy, senzory, multispektrálnídata. Co je DPZ?
DPZ Č ást 1 Základníprincipy, senzory, multispektrálnídata Co je DPZ? Dálkový průzkum získávání informacío objektech na dálku, tj. bez přímého kontaktu se zkoumaný mi jevy a procesy. upraveno podle Lillesand
VíceŘízená klasifikace nad daty Landsat 7 ETM+
Řízená klasifikace nad daty Landsat 7 ETM+ V tomto cvičení si ukážeme posloupnost nejdůležitějších kroků řízené spektrální klasifikace, které se provádějí v rámci trénovací a klasifikační etapy. Vyzkoušíme
VíceAnalýza dat v GIS. Dotazy na databáze. Překrytí Overlay Mapová algebra Vzdálenostní funkce. Funkce souvislosti Interpolační funkce Topografické funkce
Analýza dat v GIS Dotazy na databáze Prostorové Atributové Překrytí Overlay Mapová algebra Vzdálenostní funkce Euklidovské vzdálenosti Oceněné vzdálenosti Funkce souvislosti Interpolační funkce Topografické
VíceVektorizace obrázků. Co se naučíte. Vítá vás aplikace CorelDRAW, komplexní profesionální program pro grafický návrh a práci s vektorovou grafikou.
Vektorizace obrázků Vítá vás aplikace CorelDRAW, komplexní profesionální program pro grafický návrh a práci s vektorovou grafikou. V tomto kurzu převedeme rastrový obrázek na vektorový pomocí trasování.
VíceGIS Geografické informační systémy
GIS Geografické informační systémy Obsah přednášky Prostorové vektorové modely Špagetový model Topologický model Převody geometrií Vektorový model Reprezentuje reálný svět po jednotlivých složkách popisu
Více6. Efektivní správa papírových dokumentů v organizaci a jejich digitalizace
6. Efektivní správa papírových dokumentů v organizaci a jejich digitalizace Verze dokumentu: 1.0 Autor: Jan Lávička, Microsoft Časová náročnost: 30 40 minut 1 Cvičení 1: Digitalizace dokumentů a jejich
VíceDPZ Dálkový průzkum Země. Lukáš Kamp, KAM077
DPZ Dálkový průzkum Země Lukáš Kamp, KAM077 Dálkový průzkum Země je věda i umění získávat užitečné informace o objektech, plochách či jevech prostřednictvím dat měřených na zařízeních, která s těmito zkoumanými
VíceDigitální kartografie 3
Digitální kartografie 3 základy práce v ESRI ArcGIS strana 2 Založení nového projektu v aplikaci ArcMap 1. Spuštění aplikace ArcMap v menu Start Programy ArcGIS. 2. Volba Blank map pro založení nového
VíceDálkový průzkum Země DPZ. Zdeněk Janoš JAN789
Dálkový průzkum Země DPZ Zdeněk Janoš JAN789 Obsah: Úvod Co je DPZ (Dálkový Průzkum Země) Historie DPZ Rozdělení metod DPZ Využití DPZ Projekty využívající data DPZ Současné družicové systémy Zdroje Závěr
VíceIng. Jiří Fejfar, Ph.D. Dálkový průzkum Země
Ing. Jiří Fejfar, Ph.D. Dálkový průzkum Země strana 2 Co je DPZ Dálkový průzkum je umění rozdělit svět na množství malých barevných čtverečků, se kterými si lze hrát na počítači a odhalovat jejich neuvěřitelný
VíceMapování Země z vesmíru (úvod do metod dálkového průzkumu Země) Petr Dobrovolný Geografický ústav přírodovědecké fakulty Masarykovy univerzity v Brně
Mapování Země z vesmíru (úvod do metod dálkového průzkumu Země) Petr Dobrovolný Geografický ústav přírodovědecké fakulty Masarykovy univerzity v Brně Obsah přednášky 1. Přehled základních pojmů 2. Tvorba
VíceCvičení č. 1 Začátek práce s GIS
Cvičení č. 1 Začátek práce s GIS 1. Aplikace ArcMap Obrázek 1. Prázdné prostředí ArcMap 2. Přidání dat do prostředí ArcMap V levé části okna je umístěn Obsah (Table Of Contents), lze ho však přemístit
VíceVytvoření nové aplikace. Soustava
Vytvoření nové aplikace (všechny volby, které nejsou níže popsané, necháváme vždy beze změny) V menu Soubor zvolíme Nový. Zobrazí se dialogové okno, ve kterém zvolíme Aplikace pracující v reálném čase
VíceVÝUKA SYSTÉMU IDRISI NA KATEDŘE GEOINFORMATIKY PŘÍRODOVĚDECKÉ FAKULTY UNIVERZITY PALACKÉHO V OLOMOUCI
VÝUKA SYSTÉMU IDRISI NA KATEDŘE GEOINFORMATIKY PŘÍRODOVĚDECKÉ FAKULTY UNIVERZITY PALACKÉHO V OLOMOUCI Vilém Pechanec, Pavel SEDLÁK http://www.geoinformatics.upol.cz Geoinformatika v Olomouci ECO-GIS Centrum
VíceZvyšování kvality výuky technických oborů
Zvyšování kvality výuky technických oborů Klíčová aktivita lll.2 Inovace a zkvalitnění výuky směřující k rozvoji odborných kompetencí žáků středních škol Pracovní list pro téma lll.2.5 Rastrová grafika
VíceMetodický pokyn. k zadávání fotogrammetrických činností pro potřeby vymezování záplavových území
Ministerstvo zemědělství ČR Č.j.: 28181/2005-16000 Metodický pokyn k zadávání fotogrammetrických činností pro potřeby vymezování záplavových území Určeno: K využití: státním podnikům Povodí Zemědělské
VíceGIS ANALÝZA VLIVU DÁLNIČNÍ SÍTĚ NA OKOLNÍ KRAJINU. Veronika Berková 1
GIS ANALÝZA VLIVU DÁLNIČNÍ SÍTĚ NA OKOLNÍ KRAJINU Veronika Berková 1 1 Katedra mapování a kartografie, Fakulta stavební, ČVUT, Thákurova 7, 166 29, Praha, ČR veronika.berkova@fsv.cvut.cz Abstrakt. Metody
VíceDigitální kartografie 5
Digitální kartografie 5 strana 2 Zadání atributů pro jednotlivé plochy při vytvoření nového souboru shapefile se nám automaticky vytvoří také databázový soubor *.dbf, který obsahuje atributovou tabulku
VíceSystém eprojekty Příručka uživatele
YOUR SYSTEM http://www.ys.cz Systém eprojekty Příručka uživatele YOUR SYSTEM, spol. s r.o., se sídlem Praha Türkova 2319/5b, 149 00 Praha 4, IČ: 00174939, DIČ: CZ00174939, zapsaná v obchodním rejstříku,
VícePŘÍRUČKA PRÁCE SE SYSTÉMEM SLMS CLASS pro učitele
PŘÍRUČKA PRÁCE SE SYSTÉMEM SLMS CLASS pro učitele Vypracoval : Pavel Žemba Obsah Tvorba vlastních testů... 3 Postup tvorby... 3 Test otázky odpovědi... 3 Zadání otázek testu... 5 Test - cvičení na souboru,
VíceGIS Geografické informační systémy
GIS Geografické informační systémy Obsah přednášky Prostorové vektorové modely Špagetový model Topologický model Převody geometrií Vektorový model Reprezentuje reálný svět po jednotlivých složkách popisu
VíceRozšíření bakalářské práce
Rozšíření bakalářské práce Vojtěch Vlkovský 2011 1 Obsah Seznam obrázků... 3 1 Barevné modely... 4 1.1 RGB barevný model... 4 1.2 Barevný model CMY(K)... 4 1.3 Další barevné modely... 4 1.3.1 Model CIE
VíceKIG/1GIS2. Geografické informační systémy. rozsah: 2 hod přednáška, 2 hod cvičení způsob ukončení: zápočet + zkouška
Geografické informační systémy KIG/1GIS2 rozsah: 2 hod přednáška, 2 hod cvičení způsob ukončení: zápočet + zkouška vyučující: e-mail: Ing. Jitka Elznicová, Ph.D. jitka.elznicova@ujep.cz Konzultační hodiny:
VícePráce se styly 1. Styl
Práce se styly 1. Styl Styl se používá, pokud chceme, aby dokument měl jednotný vzhled odstavců. Můžeme si nadefinovat styly pro různé úrovně nadpisů, jednotlivé popisy, charakteristiky a další odstavce.
VíceNeuronové sítě v DPZ
Univerzita J. E. Purkyně v Ústí nad Labem Fakulta životního prostředí Neuronové sítě v DPZ Seminární práce z předmětu Dálkový průzkum Země Vypracovali: Jan Lantora Rok: 2006 Zuzana Vašková Neuronové sítě
VíceČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ, OBOR GEODÉZIE A KARTOGRAFIE KATEDRA MAPOVÁNÍ A KARTOGRAFIE
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ, OBOR GEODÉZIE A KARTOGRAFIE KATEDRA MAPOVÁNÍ A KARTOGRAFIE název předmětu TOPOGRAFICKÁ A TEMATICKÁ KARTOGRAFIE číslo úlohy název úlohy 2 Tvorba tematických
VíceGEOGRAFICKÉ INFORMAČNÍ SYSTÉMY CVIČENÍ 5
UNIVERZITA TOMÁŠE BATI VE ZLÍNĚ FAKULTA APLIKOVANÉ INFORMATIKY GEOGRAFICKÉ INFORMAČNÍ SYSTÉMY CVIČENÍ 5 Praktické zvládnutí software Geomedia Pavel Vařacha a kol. Zlín 2013 Tento studijní materiál vznikl
VíceGymnázium Vysoké Mýto nám. Vaňorného 163, 566 01 Vysoké Mýto
Gymnázium Vysoké Mýto nám. Vaňorného 163, 566 01 Vysoké Mýto Registrační číslo projektu Šablona Autor Název materiálu / Druh CZ.1.07/1.5.00/34.0951 III/2 INOVACE A ZKVALITNĚNÍ VÝUKY PROSTŘEDNICTVÍM ICT
VíceTiskové sestavy. Zdroj záznamu pro tiskovou sestavu. Průvodce sestavou. Použití databází
Tiskové sestavy Tiskové sestavy se v aplikaci Access používají na finální tisk informací z databáze. Tisknout se dají všechny objekty, které jsme si vytvořili, ale tiskové sestavy slouží k tisku záznamů
VíceFunkce Cell, Neighborhood and Zonal Statistic
Funkce Cell, Neighborhood and Zonal Statistic Do oblasti mapové algebry principiálně patří i funkce v ArcGIS označované jako Cell, Neighborhood and Zonal Statistic. Umožňují z hodnot buněk jednoho či více
Víceverze 1.0 autor listu: Lucie Červená
NEŘÍZENÁ KLASIFIKACE verze 1.0 autor listu: Lucie Červená Cíle V tomto výukovém listu se dozvíte: co je to klasifikace obrazu, na jakém principu funguje neřízená klasifikace, jak funguje algoritmus ISODATA,
VíceGrafika na počítači. Bc. Veronika Tomsová
Grafika na počítači Bc. Veronika Tomsová Proces zpracování obrazu Proces zpracování obrazu 1. Snímání obrazu 2. Digitalizace obrazu převod spojitého signálu na matici čísel reprezentující obraz 3. Předzpracování
VíceMetody zvýrazňování obrazu III. Vícepásmová zvýraznění. Spektrální příznaky. Příznakový prostor. Podstata vícepásmových zvýraznění
Podstata vícepásmových zvýraznění Metody zvýrazňování obrazu III Vícepásmová zvýraznění DN hodnoty jako příznaky a, tzv. příznakový prostor. Vytváření nových pásem s cílem zvýšit odlišení různých objektů
Více9. Práce s naskenovanými mapami
9. Práce s naskenovanými mapami V této kapitole si ukážeme práci s předlohami. Předlohou rozumíme naskenovanou bitmapu, načtenou jako pozadí na pracovní plochu. Použitím bitmapového obrázku jako podklad,
VíceSCHÉMA aplikace ObčanServer 2 MENU aplikace Mapové kompozice
ObčanServer Nápověda SCHÉMA aplikace ObčanServer 2 MENU aplikace Mapové kompozice Příklady mapových kompozic Katastrální mapa Územní plán Funkční plochy Letecký snímek Pasport hřbitova Císařské otisky
VíceCvičení 3 komplexní zpracování a klasifikace dat. Oblast Cairo
Popis dat Landsat Cvičení 3 komplexní zpracování a klasifikace dat Oblast Cairo Landsat 7 ETM je 6. satelit, který NASA vypustila pro observaci Země (start Landsatu 6 byl v roce 1993 neúspěšný). Hlavním
VíceSpektrální charakteristiky
Spektrální charakteristiky Cíl cvičení: Měření spektrálních charakteristik filtrů a zdrojů osvětlení 1 Teoretický úvod Interakcí elektromagnetického vlnění s libovolnou látkou vzniká optický jev, který
VíceZáklady práce v programovém balíku Corel
Základy práce v programovém balíku Corel Mgr. Tomáš Pešina Výukový text vytvořený v rámci projektu DOPLNIT První jazyková základní škola v Praze 4, Horáčkova 1100, 140 00 Praha 4 - Krč Základy počítačové
VíceDetekce a monitoring invazních druhů pomocí dálkového průzkumu
Detekce a monitoring invazních druhů pomocí dálkového průzkumu Jana Müllerová 1 Josef Brůna 1, Jan Pergl 1, Petr Pyšek 1 Petr Dvořák 2 Luboš Kučera 3, Tomáš Bartaloš 3 1 Botanický ústav AV ČR, Průhonice
VíceDZDDPZ5 Zvýraznění obrazu - prahování. Doc. Dr. Ing. Jiří Horák Ing. Tomáš Peňáz, Ph.D. Institut geoinformatiky VŠB-TU Ostrava
DZDDPZ5 Zvýraznění obrazu - prahování Doc. Dr. Ing. Jiří Horák Ing. Tomáš Peňáz, Ph.D. Institut geoinformatiky VŠB-TU Ostrava Zvýraznění obrazu Bodová zvýraznění 1-pásmové (radiometrické), vícepásmové
VíceDZDDPZ8 Fourierova t., spektrální zvýraznění. Doc. Dr. Ing. Jiří Horák - Ing. Tomáš Peňáz, Ph.D. Institut geoinformatiky VŠB-TU Ostrava
DZDDPZ8 Fourierova t., spektrální zvýraznění Doc. Dr. Ing. Jiří Horák - Ing. Tomáš Peňáz, Ph.D. Institut geoinformatiky VŠB-TU Ostrava Dobrovolný Dobrovolný Dobrovolný Dobrovolný Dobrovolný Dobrovolný
VíceWorkshop Příprava mapových podkladů , Penzion Školka, Velké Karlovice
Praktická činnost Zpracování vrstevnic, stínování, sklonitosti svahů a výšky vegetace z produktů DMR 5G, DMR 1P, LLS-všechny třídy (OCAD, OL Laser) Úkol: Chystáte projekt OB mapy v okolí Českých Milov
VíceDigitální učební materiály ve škole, registrační číslo projektu CZ.1.07/1.5.00/34.0527
Projekt: Příjemce: Digitální učební materiály ve škole, registrační číslo projektu CZ.1.07/1.5.00/34.0527 Střední zdravotnická škola a Vyšší odborná škola zdravotnická, Husova 3, 371 60 České Budějovice
VíceVYBRANÉ METODICKÉ PŘÍSTUPY PRO HODNOCENÍ ZMĚN V KRAJINĚ METODAMI DÁLKOVÉHO PRŮZKUMU ZEMĚ V POVODÍ OTAVY
VYBRANÉ METODICKÉ PŘÍSTUPY PRO HODNOCENÍ ZMĚN V KRAJINĚ METODAMI DÁLKOVÉHO PRŮZKUMU ZEMĚ V POVODÍ OTAVY MARTIN HAIS*, ALEXANDRA KRÁLOVÁ*, KAROLÍNA MACHÁČKOVÁ* * Katedra fyzické geografie a geoekologie,
VíceZ E M Ě M Ě Ř I C K Ý Ú Ř A D NOVÉ ZDROJE GEOPROSTOROVÝCH DAT POKRÝVAJÍCÍCH ÚZEMÍ STÁTU
Z E M Ě M Ě Ř I C K Ý Ú Ř A D NOVÉ ZDROJE GEOPROSTOROVÝCH DAT POKRÝVAJÍCÍCH ÚZEMÍ STÁTU Ing. Karel Brázdil, CSc. karel.brazdil@cuzk.cz 1 O B S A H P R E Z E N T A C E 1. Projekt nového mapování výškopisu
VíceCvičení č. 2 : POLITICKÁ MAPA VYBRANÉHO KONTINENTU
Cvičení č. 2 : POLITICKÁ MAPA VYBRANÉHO KONTINENTU - Procvičení práce v programu AEJEE, tvorba vlastního projektu V tomto cvičení se naučíte vytvářet vlastní projekt. Hlavním cílem je naučit se přidat
VíceGRR. získávání znalostí v geografických datech Autoři. Knowledge Discovery Group Faculty of Informatics Masaryk Univerzity Brno, Czech Republic
GRR získávání znalostí v geografických datech Autoři Knowledge Discovery Group Faculty of Informatics Masaryk Univerzity Brno, Czech Republic GRR cílet 2 GRR - Popis systému - cíle systém pro dolování
VíceGIS. Cvičení 3. Sběr vektorových dat v ArcGIS
GIS Cvičení 3. Sběr vektorových dat v ArcGIS Vektorové modely v ArcGIS Jedním způsobem reprezentace geografických jevů je použití bodů, linií a polygonů. Tento způsob reprezentace se nazývá vektorový datový
VíceMožnosti tisku v MarushkaDesignu
0 Možnosti tisku v MarushkaDesignu OBSAH 1 CÍL PŘÍKLADU...2 2 PRÁCE S PŘÍKLADEM...2 3 UKÁZKA DIALOGOVÉHO OKNA...3 4 STRUČNÝ POPIS PŘÍKLADU V MARUSHKADESIGNU...5-1 - 1 Cíl příkladu V tomto příkladu si ukážeme
VíceFrantišek Hudek. duben Informační a komunikační technologie MS Excel Úvod do Excelu III
VY_32_INOVACE_FH03 Jméno autora výukového materiálu Datum (období), ve kterém byl VM vytvořen Ročník, pro který je VM určen Vzdělávací oblast, obor, okruh, téma Anotace František Hudek duben 2012 8. ročník
Více2. přednáška z předmětu GIS1 Data a datové modely
2. přednáška z předmětu GIS1 Data a datové modely Vyučující: Ing. Jan Pacina, Ph.D. e-mail: jan.pacina@ujep.cz Pro přednášku byly použity texty a obrázky z www.gis.zcu.cz Předmět KMA/UGI, autor Ing. K.
VíceHodnocení map. Přednáška z předmětu Tematická kartografie (KMA/TKA) Otakar Čerba Západočeská univerzita
Hodnocení map Přednáška z předmětu Tematická kartografie (KMA/TKA) Otakar Čerba Západočeská univerzita poslední aktualizace: 9.10.2007 Cíle a způsoby hodnocení Zjištění vlastností, kvality a vhodnosti
VíceZARÁŽKY A TABULÁTORY V MS OFFICE WORD
ZARÁŽKY A TABULÁTORY V MS OFFICE WORD Tabulátory a odrážky slouží k přesnějšímu formátování textů, které mají tabulkový nebo výčtový charakter. Tento text objasní základní práci s těmito funkcionalitami
VícePREZENTACE 1.22 HYPERTEXTOVÉ ODKAZY
1.22 HYPERTEXTOVÉ ODKAZY Při práci s prezentací bývá v některých případech vhodné vzájemně propojit snímky prezentace tak, abychom se mohli pohybovat nejen o snímek vpřed a vzad, ale i tzv. na přeskáčku.
VíceInspekce tvaru součásti
Inspekce tvaru součásti. Cílem cvičení je inspekce tvaru součásti spočívající načtení referenčního CAD modelu, v ustavení naskenovaného tvaru vzhledem k tomuto referenčnímu modelu, kontrole průměru spodního
VíceObsah: 1. Používání alfa kanálů. Ukládání výběrů do alfa kanálů s aktuálním nastavením voleb. 1. Používání ALFA Kanalů 2. Rychlá maska Quick Mask
Obsah: 1. Používání ALFA Kanalů 2. Rychlá maska Quick Mask V této kapitole si ukážeme jak jednoduše uložit a zachovat výběr pomocí alfa kanálů. Jak výběr opět načíst nebo zkopírovat do jiných dokumentů.
VícePráce v návrhovém prostředí Xilinx ISE WebPack 9.2i
Práce v návrhovém prostředí Xilinx ISE WebPack 9.2i 1 Spuštění návrhového prostředí Spusťte návrhové prostředí Xilinx ISE 9.2 pomoci ikony na ploše Xilinx ISE 9.2. 2 Otevření projektu a. Klikněte na položku
VíceÚvod do problematiky ÚPRAVY TABULKY
Úvod do problematiky ÚPRAVY TABULKY Zaměříme se na úpravy, které určují finální grafickou úpravu tabulky (tzv. formátování.). Měnit můžeme celou řadu vlastností a ty nejdůležitější jsou popsány v dalším
VíceNárodní Inventarizace Lesů. Radim Adolt, Analyticko-metodické Centrum NIL (ACNIL), Kroměříž
Národní Inventarizace Lesů Radim Adolt, Analyticko-metodické Centrum NIL (ACNIL), Kroměříž Principy NIL V souladu s mezinárodně doporučeným postupem je nezbytné nejprve analyzovat krajinný pokryv jako
VíceTvorba digitálního modelu terénu
Tvorba digitálního modelu terénu V závěrečné fázi našeho projektu využijeme programu k vizualizaci těchto dat DMT a také k jejich porovnání Spojení druhu bodů Z důvodu exportu bodů je nutné spojit druhy
Vícezobrazuje názvy polí, vložené hodnoty jednotlivých záznamů, lze v něm zadávat data (přidávat záznamy) v návrhovém zobrazení:
DUM 02 téma: Tabulky v MS Access ze sady: 3 tematický okruh sady: Databáze ze šablony: 07 - Kancelářský software určeno pro: 2. ročník vzdělávací obor: vzdělávací oblast: číslo projektu: anotace: metodika:
VíceSoučasné možnosti dálkového průzkumu pro hodnocení heterogenity půd a porostů na orné půdě
Současné možnosti dálkového průzkumu pro hodnocení heterogenity půd a porostů na orné půdě František Zemek, Miroslav Pikl Ústav výzkumu globální změny AV ČR, v. v. i., Brno CzechGlobe I. Sekce klimatických
VíceStrategie ochrany před negativními dopady povodní a erozními jevy přírodě blízkými opatřeními v České republice
Strategie ochrany před negativními dopady povodní a erozními jevy přírodě blízkými opatřeními v České republice Návod k prezentačnímu mapovému portálu Obsah: 1. Úvod... 3 2. Obecná část mapového portálu...
VíceNázvy objektů na paletě Layers (Vrstvy)
Obsah as a asta b b 2. Vytváření vrstev, podvrstev a skupin 3. Vybíraní vrstev, označování objektů 4. Odstranění a skrytí vrstev Kapitola vás naučí pracovat s vrstvami. Ty se dělí na vrstvy nejvyšší úrovně
VíceTVOŘÍME MAPU V GIS. manuál
TVOŘÍME MAPU V GIS manuál 1 Quantum GIS Každý GIS pracuje s tzv. vrstvami (vrstva měst, řek, krajů, atd.), které pak zobrazuje v mapovém poli. Pro práci s jednotlivými vrstvami slouží panel nástrojů, kde
VíceWDLS (BUILDINGDESIGN)
Vysoká škola báňská Technická univerzita Ostrava Fakulta stavební METODICKÝ POSTUP PRO PRÁCI S PROGRAMEM WDLS (BUILDINGDESIGN) Vypracoval: doc. Ing. Iveta Skotnicová, Ph.D. Ing. Marcela Černíková Ing.
Více1 Jasové transformace
1 Jasové transformace 1.1 Teoretický rozbor 1.1.1 Princip jasové transformace Jasové transformace představují transformační funkce, které mění vždy určitou hodnotu vstupní jasové funkce na výstupní. Transformace
VíceInternetové technologie, cvičení č. 5
Internetové technologie, cvičení č. 5 Náplň cvičení Obsahem 5. cvičení předmětu Internetové technologie je ukázka a procvičení XHTML značek a atributů používaných při vytváření hypertextových odkazů a
VíceReliance 3 design OBSAH
Reliance 3 design Obsah OBSAH 1. První kroky... 3 1.1 Úvod... 3 1.2 Založení nového projektu... 4 1.3 Tvorba projektu... 6 1.3.1 Správce stanic definice stanic, proměnných, stavových hlášení a komunikačních
VíceAplikované úlohy Solid Edge. SPŠSE a VOŠ Liberec. Ing. Jan Boháček [ÚLOHA 09 PŘIDAT ÚKOS]
Aplikované úlohy Solid Edge SPŠSE a VOŠ Liberec Ing. Jan Boháček [ÚLOHA 09 PŘIDAT ÚKOS] 1 CÍL KAPITOLY V této kapitole se budeme věnovat výhradně příkazu Přidat úkos. Tento příkaz se používá pro úkosování
VíceVizuální interpretace leteckých a družicových snímků u dospívajících
Vizuální interpretace leteckých a družicových snímků u dospívajících Hana Svatoňová, PdF MU Brno 23. mezinárodní geografická konference Brno 2015 Interpretace leteckých a satelitních snímků 2013 výzkumné
VícePráce v návrhovém prostředí Xilinx ISE WebPack 10.1 BDOM UMEL FEKT Šteffan Pavel
Práce v návrhovém prostředí Xilinx ISE WebPack 10.1 BDOM 17.3.2009 UMEL FEKT Šteffan Pavel Obsah 1 Spuštění návrhového prostředí... 3 2 Otevření projektu... 3 3 Tvorba elektrického schématu... 6 4 Přiřazení
VíceKofax Express 2.5. Příručka pro administrátora. Josef Bureš
Kofax Express 2.5 Příručka pro administrátora Josef Bureš 15. 7. 2011 Nastavení programu KOFAX ke skenování a exportu výsledných souboru PDF do aplikace espis 1. Instalace kofax je k dispozici na www.kofax.com
Vícenastavení real-time PCR cykleru Rotor Gene 3000
Verze: 1.4 Datum poslední revize: 25. 3. 2015 nastavení real-time PCR cykleru Rotor Gene 3000 (Corbett Research) generi biotech OBSAH: 1. Nastavení teplotního profilu a spuštění cykleru... 3 2. Zadání
VíceVítá vás Corel PHOTO-PAINT, výkonná aplikace pro úpravu rastrových obrázků, která umožňuje retušovat fotografie a vytvářet originální grafiku.
Maskování obrázků Vítá vás Corel PHOTO-PAINT, výkonná aplikace pro úpravu rastrových obrázků, která umožňuje retušovat fotografie a vytvářet originální grafiku. Co se naučíte V tomto kurzu se naučíte vytvořit
VíceOBRAZOVÁ ANALÝZA. Speciální technika a měření v oděvní výrobě
OBRAZOVÁ ANALÝZA Speciální technika a měření v oděvní výrobě Prostředky pro snímání obrazu Speciální technika a měření v oděvní výrobě 2 Princip zpracování obrazu matice polovodičových součástek, buňky
VíceObsah. 1. Změny rozměrů a rozlišení. Změna rozměrů v obrazových bodech pro webový výstup. 1. Změny rozměrů a rozlišení. 2. Pravítka, mřížky, vodítka
Obsah 1. Změny rozměrů a rozlišení 2. Pravítka, mřížky, vodítka 1. Změny rozměrů a rozlišení V této kapitole se naučíme měnit rozměry obrázků podle toho, jaké bude jeho výsledné použití. Pro obrázky používané
VíceZjednodušený manuál aplikace GSWeb
Zjednodušený manuál aplikace GSWeb Názorné příklady verze 1.3 Obsah Úvod... 2 Seznámení s aplikací... 3 Připojování Vrstev... 4 Zobrazení rastrového podkladu... 6 Lokalizace... 7 Tisk... 8 Tematizace...
Více7. Geografické informační systémy.
7. Geografické informační systémy. 154GEY2 Geodézie 2 7.1 Definice 7.2 Komponenty GIS 7.3 Možnosti GIS 7.4 Datové modely GIS 7.5 Přístup k prostorovým datům 7.6 Topologie 7.7 Vektorové datové modely 7.8
VíceRastrové digitální modely terénu
Rastrové digitální modely terénu Rastr je tvořen maticí buněk (pixelů), které obsahují určitou informaci. Stejně, jako mohou touto informací být typ vegetace, poloha sídel nebo kvalita ovzduší, může každá
Více